基于产品平台的参数化产品族设计方法研究综述

产品族设计是大规模定制条件下实现产品规模经济的关键技术。参数化产品族设计是实现参数化产品以接近大规模生产的成本和效率满足客户个性化需求的重要手段。介绍了参数化产品族及其设计,分类阐述了参数化产品族的设计方法,分析了目前研究的不足,并对研究前景进行了展望。

参数化产品族的通用性与性能权衡评价方法

针对参数化产品族设计过程中平台通用性和派生产品性能的平衡问题,在分析产品族评价指数特征的基础上,提出基于定量指数计算的产品族方案权衡评价方法.利用产品族的设计参数、性能参数和性能目标矩阵,通过矩阵内部行向量相似度求得平台通用性指数,通过矩阵交互相似度运算求得派生产品性能指数,无需额外权重值即可对多个产品族方案进行可视化分析与评价.单相异步电动机产品族方案的评价实例,表明该指数在满足区间范围性、数据易获得性和评价结果一致性的前提下,具有可重复性和较高的分辨率,证明了评价方法的正确性和高效性.

基于SPEA2的参数化产品族优化设计

针对多目标优化算法的参数化产品族优化设计存在优化的效率及其有效性取决于算法优劣的问题,鉴于SPEA2求解多目标优化问题具有运算速度较快、稳定性较强、解分布均匀性较高等特点,研究了基于SPEA2的参数化产品族优化设计。将参数化产品族优化设计过程划分为两个阶段:第1阶段进行实例产品独立优化,基于设计变量的变异系数决定平台常量和可调节变量集合,并决定平台常量取值;第2阶段进行基于产品平台的产品族优化设计,获得实例产品的可调节变量取值。以通用电动机产品族优化设计为例,其优化结果表明,采用SPEA2求解时产品族的综合性能得到了较显著的提高。

单平台下参数化产品族设计的两阶段智能优化算法

基于对参数化产品族优化设计问题特性的分析,提出了单平台下参数化产品族的两阶段优化设计方法。针对单平台产品族优化设计的特征,给出了单平台下参数化产品族优化设计的一般数学模型,在此基础上提出了平台变量值预先设定时的产品族优化模型,给出了采用拥挤距离排序的多目标约束遗传算法(CDSMOGA)对该模型进行优化求解的过程。对单平台下平台变量值已知时的通用电动机产品族优化数学模型进行了仿真运算。对比仿真结果与国内外文献中的相关结果发现,所提出的方法能够显著改善产品族的整体性能,在参数化产品族的优化设计上是有效的。

无公用平台下的参数化产品族多目标智能优化!

在忽略产品间共性约束的条件下,参数化产品族整体性能的优化实际上等价于产品族内系列产品的独立优化。基于参数化产品族优化问题的复杂性,提出了一种基于拥挤距离排序的多目标多约束遗传算法(CDSMOGA),并将其用于求解无公用平台下的产品族优化问题。通用电动机产品族设计实例的仿真试验结果表明,CDSMOGA所得产品族优化设计方案整体性能显著优于被比较方案,验证了该方法的有效性和可行性。

多平台下的参数化产品族多目标智能优化

针对大规模定制下基于多平台的参数化产品族优化方法中,需要事先指定平台变量的不足,本文提出了一种多平台产品族双层多目标并行协同优化算法,用于求解多平台下参数化产品族多目标优化问题。仿真实验结果表明,所提方法能够允许在平台变量未知的情况下,通过在运行过程中自动改变平台共性,并搜索共性与产品差异性之间的最佳平衡点,经过一次优化过程即可选择平台变量和差异性变量的最佳配置,以及平台变量和差异性变量取值的最佳设置;与文献中其他方法相比,本文方法所得产品族优化设计方案整体性能更佳。